Разработка поможет фармацевтам, химикам и сотрудникам лабораторий быстрее определять структуру неизвестных соединений. Решение автоматически анализирует данные и за секунды выдает список самых подходящих молекул. В 90,5% случаев нужная структура оказывается в первой сотне результатов.
Исследователи Университета Иннополис разработали вычислительный фреймворк для анализа тандемных масс-спектров. Тандемная масс-спектрометрия позволяет получить своеобразный "отпечаток" молекулы - спектр ее фрагментов.
"Представьте, что есть крошечная частица неизвестного вещества и нужно узнать, что это за молекула и какое у нее химическое строение. Это можно сделать с помощью специального прибора - масс-спектрометра, который создает уникальную картину-отпечаток этого вещества - масс-спектр. Однако превратить такой спектр в конкретную химическую гипотезу непросто. Один из распространенных подходов - сравнить полученные данные с библиотекой уже известных спектров. Но если нужного соединения в ней нет или измерение проводилось при других условиях, прямого совпадения может не оказаться, и вещество останется неопознанным", - пояснил Рустам Лукманов, заместитель директора Института анализа данных и ИИ Университета Иннополис.
Разработка российского ИТ-вуза решает эту задачу как поиск между двумя типами данных - масс-спектром и молекулярной структурой. Нейросеть обучается на парах "спектр - молекула" и переводит оба типа информации в единое векторное пространство. Благодаря этому система ищет не точную копию экспериментального спектра, а наиболее соответствующие ему молекулярные структуры и автоматически ранжирует их для специалиста.
"Полученный на масс-спектрометре спектр можно представить как сложный отпечаток молекулы. Задача исследователя - понять, какая структура могла его оставить. Мы разработали систему, которая помогает автоматизировать этот поиск: вместо ручного анализа огромного числа вариантов специалист получает ранжированный список наиболее вероятных молекулярных кандидатов", - отметил Иван Голов, разработчик Лаборатории искусственного интеллекта в химии Университета Иннополис.
Для разработки и проверки системы исследователи использовали более 1 млн валидированных пар "масс-спектр - молекула". По итогам тестирования удалось добиться высокой точности поиска: в 90,5% случаев правильная молекулярная структура попадала в первую сотню предложенных кандидатов. По сравнению с базовыми подходами качество ранжирования существенно выросло - вероятность вывести правильную структуру на первое место увеличилась почти вдвое.
При этом система рассчитана на работу с крупными массивами данных: поиск выполняется по базе из сотен тысяч молекулярных структур, а обработка одного спектра занимает в среднем около 0,09 секунды. Это позволяет использовать разработку не только как исследовательский прототип, но и как основу для практических инструментов анализа масс-спектрометрических данных.
По словам разработчиков, решение не заменяет химика и экспериментальное подтверждение структуры вещества. Его задача - значительно сократить пространство поиска: быстро отсеять множество менее релевантных вариантов и предоставить исследователю набор наиболее перспективных молекулярных гипотез для дальнейшего анализа. Технология может применяться как инструмент предварительной аннотации соединений в фармацевтических, химических и аналитических исследованиях.
На устройство получен патент при поддержке экспертов Межотраслевого центра трансфера технологий Университета Иннополис.
Дальнейшее развитие проекта связано с расширением обучающих данных, повышением качества ранжирования и использованием дополнительных экспериментальных признаков для поиска молекулярных структур.
Источник: